基于肌骨模型和阻抗控制的康复机器人自适应控制方法技术

一种基于肌骨模型和阻抗控制的康复机器人自适应控制方法，采集患者上肢健侧和患侧的表面肌电信号得到神经活动模型，建立人体上肢肌骨模型，运用卡尔曼滤波器和Opensim软件优化肌骨模型参数，得到上肢健侧输出力矩和患侧输出力矩，通过镜像方法得到患侧期望力矩，得到康复机器人辅助力矩；构建上肢活动度，利用肌电信号特征进行疲劳程度分级，调整调节力矩实现康复机器人辅助力矩自适应调整；将关节角度跟踪的期望值与关节角度修正值比较后得到实际参考关节角度，经运动学正解得到末端位置后输入位置控制器中，实现康复机器人的自适应柔顺控制，提升患者康复训练过程中的人机交互水平和个体适应性，使得康复机器人控制过程更加柔顺且安全可靠。

Adaptive control method of rehabilitation robot based on musculoskeletal model and impedance control

An adaptive control method based on muscle bone model and impedance controlled rehabilitation robot was used to acquire the neural activity model of the surface electromyography signal of the upper limb and the affected side of the upper limb, establish the skeletal model of the human upper limb, and optimize the parameters of the muscle bone model by using the Calman filter and the Opensim software to get the output torque and the suffering of the upper limb. The desired torque of the affected side is obtained by the mirror image method, and the auxiliary torque of the rehabilitation robot is obtained. The activity degree of the upper limb is constructed, the fatigue degree is classified by the characteristics of the myoelectric signal, and the adjustment torque is adjusted to realize the adaptive adjustment of the auxiliary torque of the rehabilitation robot, and the expectation value of the joint angle tracking and the joint angle are corrected. After the comparison, the actual reference joint angle is obtained, and the adaptive flexibility control of the rehabilitation robot is realized through the positive kinematics solution. The adaptive flexibility control of the rehabilitation robot is realized, and the human computer interaction level and the individual adaptability in the rehabilitation training process are improved. The control process of the rehabilitation robot is more compliant and safe and reliable.

【技术实现步骤摘要】
基于肌骨模型和阻抗控制的康复机器人自适应控制方法
本专利技术涉及机器人控制领域，尤其涉及一种康复机器人自适应控制方法。
技术介绍
目前，康复机器人的控制方法主要分为被动控制和主动控制两种。被动控制采用位置控制方式拟合期望轨迹，实现康复机器人的轨迹跟踪控制。但是被动控制方式仅适用于患者康复早期，存在个体适应性差且康复过程中缺乏人机交互功能等问题；主动控制根据交互信号的不同可以分为两种：(1)基于力信号反馈的交互控制。其中最常用的是阻抗控制方法，被认为是最适用于康复机器人控制的方法之一。通过康复机器人逆动力学模型定量描述末端力和末端运动轨迹偏差之间的函数关系，即通过力传感器获取其末端力就可以得到末端运动轨迹的偏差值，进而确定实际运动轨迹并送入位置控制器中实现康复机器人的轨迹跟踪控制。但是由于无法建立精确的阻抗控制模型，而且模型中的阻抗参数固定不变，造成康复机器人控制欠缺自适应调整能力；(2)基于生物电信号的交互控制。将人体生物电信号引入康复机器人控制中，其中应用最为广泛的是表面肌电信号，具体有两种方式：1)肌电触发式：通过辨识肌电特征获取患者的运动意图，触发康复机器人按照预定轨迹运动。但是肌电信号的在线识别率不高，尤其是精细的小关节动作，且实时性无法得到有效保证；2)肌电信号连续反馈式：康复机器人根据肌电特征值的变化提供对应的辅助力，实现康复机器人运动轨迹的连续控制，但其可靠性和安全性无法有效保证，容易出现意外导致二次受伤。综上所述，当前还缺少一种更好的康复机器人自适应控制方法。
技术实现思路
本专利技术目的在于提供一种提高人机交互水平、控制过程可靠柔顺、个体适应性强的基于肌骨模型和阻抗控制的康复机器人自适应控制方法。为实现上述目的，本专利技术所述方法包括以下步骤：步骤1，利用肌电采集设备采集患者上肢健侧和患侧的肌电信号；利用运动捕获设备获取上肢健侧和患侧的关节角度信号；通过分析肌电信号和关节角度信号，得到健侧输出力矩τH和患侧输出力矩τS；步骤2，通过镜像方法由健侧输出力矩τH得到患侧期望输出力矩为τ′H，则可得患者所需辅助力τassist＝τ′H-τS，即康复机器人期望输出力矩。步骤3，提取患侧肌电信号特征：均方根值RMS表征肌肉贡献率ωj；患侧肌电信号计算得到肌肉活动度αj(t)；肌肉贡献率ωj和肌肉活动度αj(t)计算得到上肢活动度η；将上肢活动度η引入阻抗参数得到变阻抗方程：阻尼项系数Bd和刚度项系数Kd；步骤4，提取肌电信号特征：平均功率频率MPF和平均瞬时频率MIF用于疲劳程度分级并在步骤2镜像环节引入调节力矩τc，根据疲劳等级微调患侧期望输出力矩τ′H；步骤5，根据患侧输出力矩τS与患侧期望输出力矩τ′H的偏差，即患者所需辅助力τassist和康复机器人自适应给予患者的辅助，则可实现患者主动柔顺控制康复机器人。进一步的，步骤1中，通过肌电采集设备采集上肢肌电信号，经预处理后得到肌电信号幅值ej(t)，其中j为第j块肌肉。简便起见，省略本专利技术中肌骨模型内肌肉数j，并计算得到神经活动模型u(t)。由肌肉收缩动力学模型和已知的人体参数以及肌肉活动度α(t)可得肌肉力Fmt(t)。配合由Opensim软件获取的肌肉肌腱长度lmt(t)和期望力矩τdesired进行lmt(t)期望表达式参数估计得到与关节角度θ(t)的关系(为避免参数混淆，此处关节角度θ(t)即为阻抗方程中的q)，以及对γ0、γ1、A和肌肉最大自主收缩力Fmax、肌腱总长度lt(t)、肌纤维最优长度进行参数优化，得到最优肌骨模型参数以及健侧输出力矩τH和患侧输出力矩τS；进一步的，在步骤3中，提取患侧肌电信号特征：均方根值RMS并进行归一化，用于表征肌肉贡献率ωj；利用患侧肌电信号计算其肌肉活动度αj(t)；利用肌肉贡献率ωj和肌肉活动度αj(t)计算出上肢活动度η，进而调整变阻抗方程系数；设阻抗方程为：式中，qd、q分别为康复机器人的参考轨迹和实际轨迹；Bd为阻尼系数；Kd为刚度系数；将上肢活动度η引入阻抗方程参数，进而实现阻抗参数的自适应调整；所述阻抗参数Bd和Kd表示如下：Bd＝sig(λB·η)·B0Kd＝sig(λK·η)·K0式中，λB和λK分别为阻尼项和刚度项增益系数，B0和K0为初始阻抗系数，Bd和Kd为修正后的阻抗系数，sig(*)为sigmoid函数，并作为限幅函数使得Bd和Kd变化范围为实现根据上肢活动度η自适应调整阻抗参数。与现有技术相比，本专利技术方法具有如下优点：1、直接根据患者患侧期望输出力矩τ′H和患侧实际输出力矩τS的偏差τassist给予辅助，即按患者需要提供辅助力；2、构建随患侧上肢活动度η而自适应调整的阻抗参数，进而提升患者康复训练过程中的人机交互水平；3、根据康复训练过程中患者上肢的疲劳程度微调调节力矩τc，使得康复机器人的个体适应性增强，同时控制过程更加柔顺且安全可靠。附图说明图1是本专利技术方法的控制原理图。图2是本专利技术方法的表面肌电电极分布示意图。图3是本专利技术方法的肌骨模型原理示意图。图4是本专利技术方法的肌骨模型力矩预测曲线。附图标号：2-1为肱二头肌长肌电极位置、2-2为肱三头肌长肌电极位置，4-1为Opensim软件实际力矩、4-2为肌骨模型预测力矩。具体实施方式下面结合附图对本专利技术做进一步说明：本专利技术所述方法包括以下步骤：步骤1中，应用Delsys四点式银条电极设备采集上肢表面肌电信号，并经25Hz高通滤波、整流和3Hz低通滤波后得到肌电信号幅值e(t)，将其输入二阶递归滤波器后得到神经活动模型u(t)。通过肌肉收缩动力学模型和肌肉活动度α(t)得到肌肉力Fmt(t)。将上肢关节角度和体重、上肢长度等生理参数输入Opensim软件，预测出肌肉肌腱长度lmt(t)和期望力矩τdesired，进而建立lmt(t)期望表达式并利用卡尔曼滤波器进行参数估计，得到和θ(t)。运用期望力矩τdesired和实际力矩τactual进行损失函数最小化，优化γ0、γ1、A以及肌肉最大自主收缩力Fmax、肌腱总长度lt(t)、肌纤维最优长度等参数，得到最优肌骨模型参数。通过在线计算力矩则可分别得到健侧输出力矩τH和患侧输出力矩τS。步骤2，通过镜像方法由健侧输出力矩τH得到患侧期望输出力矩为τ′H，则可得患者所需辅助力τassist＝τ′H-τS，即康复机器人期望输出力矩。步骤3，利用Delsys四点式银条电极设备采集上肢表面肌电信号，并提取患侧肌电信号特征：均方根值RMS并进行归一化，用于表征肌肉贡献率ωj；利用患侧肌电信号计算其肌肉活动度αj(t)；利用肌肉贡献率ωj和肌肉活动度αj(t)计算出上肢活动度η；将上肢活动度η引入阻抗方程参数，进而实现阻抗参数的自适应调整；设阻抗方程为：式中，qd、q分别为康复机器人的参考轨迹和实际轨迹；Bd为阻尼系数；Kd为刚度系数；将上肢活动度η引入阻抗方程参数，进而实现阻抗参数的自适应调整；所述阻抗参数Bd和Kd表示如下：Bd＝sig(λB·η)·B0Kd＝sig(λK·η)·K0式中，λB和λK分别为阻尼项和刚度项增益系数，B0和K0为初始阻抗系数，Bd和Kd为修正后的阻抗系数，sig(*)为sigmoid函数，并作为限幅函数使得Bd和Kd变化范围为实现根据上肢活动度η本文档来自技高网...

【技术保护点】
1.一种基于肌骨模型和阻抗控制的康复机器人自适应控制方法，其特征在于，所述方法包括以下步骤：步骤1，利用肌电采集设备采集患者上肢健侧和患侧的肌电信号；利用运动捕获设备获取上肢健侧和患侧的关节角度信号；通过分析肌电信号和关节角度信号，得到健侧输出力矩τH和患侧输出力矩τS；步骤2，通过镜像方法由健侧输出力矩τH得到患侧期望输出力矩为τ′H，则可得患者所需辅助力τassist＝τ′H‑τS，即康复机器人期望输出力矩；步骤3，提取患侧肌电信号特征：均方根值RMS表征肌肉贡献率ωj；患侧肌电信号计算得到肌肉活动度αj(t)；肌肉贡献率ωj和肌肉活动度αj(t)计算得到上肢活动度η；将上肢活动度η引入阻抗参数得到变阻抗方程：阻尼项系数Bd和刚度项系数Kd；步骤4，提取肌电信号特征：平均功率频率MPF和平均瞬时频率MIF用于疲劳程度分级并在步骤2镜像环节引入调节力矩τc，根据疲劳等级微调患侧期望输出力矩τ′H，即τ′H＝τH‑τc；步骤5，根据患侧输出力矩τS与患侧期望输出力矩τ′H的偏差，即患者所需辅助力τassist和康复机器人自适应给予患者的辅助，则可实现患者主动柔顺控制康复机器人。

【技术特征摘要】
1.一种基于肌骨模型和阻抗控制的康复机器人自适应控制方法，其特征在于，所述方法包括以下步骤：步骤1，利用肌电采集设备采集患者上肢健侧和患侧的肌电信号；利用运动捕获设备获取上肢健侧和患侧的关节角度信号；通过分析肌电信号和关节角度信号，得到健侧输出力矩τH和患侧输出力矩τS；步骤2，通过镜像方法由健侧输出力矩τH得到患侧期望输出力矩为τ′H，则可得患者所需辅助力τassist＝τ′H-τS，即康复机器人期望输出力矩；步骤3，提取患侧肌电信号特征：均方根值RMS表征肌肉贡献率ωj；患侧肌电信号计算得到肌肉活动度αj(t)；肌肉贡献率ωj和肌肉活动度αj(t)计算得到上肢活动度η；将上肢活动度η引入阻抗参数得到变阻抗方程：阻尼项系数Bd和刚度项系数Kd；步骤4，提取肌电信号特征：平均功率频率MPF和平均瞬时频率MIF用于疲劳程度分级并在步骤2镜像环节引入调节力矩τc，根据疲劳等级微调患侧期望输出力矩τ′H，即τ′H＝τH-τc；步骤5，根据患侧输出力矩τS与患侧期望输出力矩τ′H的偏差，即患者所需辅助力τassist和康复机器人自适应给予患者的辅助，则可实现患者主动柔顺控制康复机器人。2.根据权利要求1所述的基于肌骨模型和阻抗控制的康复机器人自适应控制方法，其特征在于，步骤1中，通过肌电采集设备采集上肢肌电信号，经预处理后得到肌电信号幅值ej(t)，其中j为第j块肌肉；省略肌骨模型内肌肉数j，并计算得...

【专利技术属性】
技术研发人员：杜义浩，姚文轩，邱石，王浩，杨文娟，张宁宁，谢平，马俊霞，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北,13